Metody statystyki medycznej stosowane w badaniach klinicznych
|
|
- Eugeniusz Jarosz
- 8 lat temu
- Przeglądów:
Transkrypt
1 Metody statystyki medycznej stosowane w badaniach klinicznych Statistics for clinical research & post-marketing surveillance część I
2 Program szkolenia część I Wprowadzenie Podstawowe pojęcia statystyczne Schematy ustalania liczebności próby Typy rozkładów, rodzaje zmiennych i skal pomiarowych Tworzenie bazy danych Opisowa analiza statystyczna Miary klasyczne Dobór metod analizy opisowej w zależności od skali pomiarowej Graficzna prezentacja danych Znaczenie normalności rozkładu zmiennych w analizie statystycznej 2
3 Program szkolenia część I cd. Hipotezy statystyczne Uwagi ogólne Kierunkowe oraz bezkierunkowe hipotezy statystyczne Etapy testowania hipotez Parametryczne i nieparametryczne testy istotności. Parametryczne testy istotności Tworzenie przedziałów ufności (95% CI) Przedziały ufności dla średniej Przedziały ufności dla odchylenia standardowego Przedziały ufności dla prawdopodobieństwa (frakcji, odsetka) Test dla średniej Test dla wariancji Test dla prawdopodobieństwa (frakcji/odsetka) Przyczyny stosowania nieparametrycznych testów istotności 3
4 Badanie statystyczne Podstawowe pojęcia statystyczne Celem analizy statystycznej jest wykrycie prawidłowości rządzących badanymi zjawiskami. W ramach badania statystycznego dokonuje się obserwacji statystycznej: pomiaru lub zliczania. Statystyka opisowa (descriptive statistics) Za pomocą statystyk opisowych przeprowadza się analizę struktury zjawiska (np. obliczenie średniej, odchyleń) Statystyka matematyczna (mathematical statistics) Bazuje na metodach rachunku prawdopodobieństwa, stosowana wtedy, gdy zebranie wszystkich potencjalnych danych nie jest możliwe, pozwala na wypowiadanie się na podstawie danych częściowych Statystyki branżowe stosowane Zajmują się badaniem poszczególnych sfer działalności (np. medycyna, transport, usługi). Wykorzystują one zarówno statystkę opisowa oraz matematyczną. 4
5 Podstawowe pojęcia statystyczne Populacja generalna (zbiorowość generalna) Badanie statystyczne dotyczy zawsze określonej populacji, populacja może być skończona bądź nieskończona. Stosowana wtedy, gdy zebranie wszystkich potencjalnych danych nie jest możliwe, pozwala na wypowiadanie się na podstawie danych częściowych Cechy statystyczne (zmienne; variables, w protokołach często zwane outcomes) Właściwości elementów populacji generalnej (np. płeć, wiek, poziom HB, ciśnienie; LDL, element to np. pacjent). cechy mogą być : mierzalne lub niemierzalne Badanie pełne Obejmuje wszystkie elementy zbiorowości Badanie częściowe Poddaje się badaniu tylko pewien podzbiór populacji (próba); np. sondaż, ankieta eksperyment, badanie obserwacyjne 5
6 Próba (sample) Podstawowe pojęcia statystyczne Próba to część zbiorowości generalnej, wybraną za pomocą metod naukowych, uczestniczącą w przeprowadzanych badaniach i reprezentującą zbiorowość w odniesieniu do przedmiotu badania Próba losowa (random sample) Polega na tym, że o pojawieniu się danego elementu populacji w zbiorze zwanym próbą losową decyduje przypadek. Przez losowy rozumie się taki sposób wyboru, w którym: a) każda jednostka populacji ma dodatnie prawdopodobieństwo znalezienia się w próbie; b) istnieje możliwość ustalenia prawdopodobieństwa znalezienia się w próbie dla każdego zespołu elementów populacji (np. badamy pacjentów leczonych w klinikach w Polsce na chorobę X. z każdej kliniki wybieramy 10 pacjentów do badania, każda klinika zatem ma swoje prawdopodobieństwo znalezienia się elementu w próbie) 6
7 Podstawowe pojęcia statystyczne Losowanie proste (simple random sampling) Losowanie w którym wszystkie elementy populacji mają jednakowe prawdopodobieństwo znalezienia się w próbie; prawdopodobieństwo to nie zmienia się w trakcie losowania Próba prosta Próba uzyskana w wyniku losowania prostego {zwykle zwana próbą} 7
8 Podstawowe pojęcia statystyczne Podstawowe typy prób próba otwarta Badanie, w którym pacjenci i badacze znają przynależność do grupy eksperymentalnej albo kontrolnej próba pojedynczo ślepa Zwyczajowo oznacza badanie, w którym tylko pacjenci nie wiedzą, jakiej interwencji (eksperymentalnej czy kontrolnej) są poddani. próba podwójnie ślepa Zwyczajowo oznacza badanie, w którym ani sam pacjent, ani badacze nie wiedzą, jakiej interwencji (eksperymentalnej czy kontrolnej) jest on poddany. Jest to określenie nieprecyzyjne i wymaga dokładniejszego opisania w metodyce badania, ponieważ o przynależności do grupy eksperymentalnej albo kontrolnej mogą oprócz pacjentów nie wiedzieć: osoby kwalifikujące pacjentów do badania, zespół leczący, osoby oceniające lub potwierdzające wystąpienie punktów końcowych, a także osoby analizujące wyniki. 8
9 Podstawowe pojęcia statystyczne Etapy doboru próby losowej 1. określenie populacji badanej 2. określenie wykazu populacji badanej (operatu losowania) 3. wybór metody doboru próby 4. określenie liczebności próby 5. zaplanowanie i pobranie próby 9
10 Podstawowe pojęcia statystyczne Rodzaje doboru próby dobór losowy Tylko przypadek decyduje o tym, która jednostka zbiorowości generalnej będzie wylosowana. Istnieje możliwość wnioskowania o charakterystykach populacji generalnej na podstawie zbadania losowo wybranej próby!! dobór nielosowy (celowy) W tej sytuacji nie ma możliwości uznania próby za reprezentatywną względem określonych cech statystycznych, jak również możliwości przeprowadzenia wnioskowania statystycznego o zbiorowości generalnej 10
11 Podstawowe pojęcia statystyczne Dobór losowy Dobór losowy prosty Dobór losowy systematyczny losowany jest co k -ty element populacji; musi istnieć lista elementów populacji; Dobór losowy warstwowy populacja dzielona jest na warstwy (jednorodne grupy ze względu na pewną wybraną cechę), z każdej warstwy losowana jest próba prosta; Dobór losowy zespołowy losuje się grupy, wewnątrz tych grup dopiero losowanie proste lub warstwowe; 11
12 Podstawowe pojęcia statystyczne Dobór nielosowy Dobór kwotowy Udział (liczebność, odsetek) elementów w próbie jest proporcjonalny do ich rzeczywistego udziału w całej populacji Dobór celowy Dobór elementów w sposób subiektywny tak, by były one najbardziej użyteczne lub reprezentatywne Dobór przypadkowy Przypadkowe dobranie pewnych elementów, które w danej chwili znalazły się w miejscu, gdzie przeprowadzany jest badanie. 12
13 Podstawowe pojęcia statystyczne Zadania Zadanie 1. Korzystając z funkcji LOS() (funkcje matematyczne) wylosuj do próby 20 pacjentów spośród populacji liczącej 100 osób. Wskazówki: funkcja: =LOS() ; F9 - klawisz powtarzający losowanie; Zadanie 2. Tworzymy kody randomizacyjne. Mając 100 pacjentów należy przydzielić losowo do grupy LEK A lub LEK B. 13
14 Schematy ustalania liczebności próby Określanie liczebności próby wzór określenia liczebności próby zależy od schematu losowania oraz parametru populacji który chcemy oszacować punktu końcowego badania (primary endpoint primary outcome) szacowane parametry to najczęściej proporcja (proportion; zwana również frakcją, odsetkiem) lub średnia arytmetyczna; częstym punktem końcowym badania jest survival (niekoniecznie musi to być przeżycie pacjenta w dosłownym znaczeniu) Podstawowe elementy które należy zdefiniować określając liczebność próby to błąd próby (d) odchylenie parametru próby od odpowiedniego parametru populacji; d zwykle ustalane jest na poziomie około 2% poziom ufności (1- α) prawdopodobieństwo pokrycia przez przedział ufności nieznanej wartości szacowanego parametru badanej populacji; (zazwyczaj 95%) 14
15 Schematy ustalania liczebności próby Liczebność próby dla populacji nieskończonej (dla frakcji) Gdzie: u α d n = u 4d 2 α 2 - wartość odczytana z tablic rozkładu normalnego dla zadanego alfa; - maksymalny błąd szacunku; Liczebność próby dla populacji skończonej n = 4d u 2 α N 15
16 Schematy ustalania liczebności próby Mit próby reprezentatywnej Termin próba reprezentatywna nie występuje w statystyce matematycznej Próba reprezentatywna to taka, która daje wyniki zbliżone do wyników populacji Próba której struktura odpowiada strukturze populacji (jest to: reprezentatywność ze względu na wybraną cechę) próba reprezentatywna to pojęcie wieloznaczne, jednocześnie ubogie treściowo, wprowadzające często w błąd osoby nie mające odpowiedniej wiedzy z zakresu statystyki 16
17 Schematy ustalania liczebności próby Zadania Zadanie 3. Schemat liczebności próby dla populacji skończonej Liczba chorych w Polsce na schorzenie A szacowana jest na 10 tysięcy pacjentów. Jaką dobrać minimalną liczebność próby, aby uzyskać błąd statystyczne rzędu d= ± 2% oraz poziom ufności 0,9. Założenie: docelowym mierzonym parametrem jest odsetek pacjentów leczonych lekiem Z. Zadanie 4. Schemat liczebności próby dla populacji nieskończonej Liczba chorych w Polsce na schorzenie B nie jest znana. Jaką dobrać minimalną liczebność próby, aby uzyskać błąd statystyczne rzędu d= ± 2.5% oraz poziom ufności 0,99. Założenie: docelowym mierzonym parametrem jest odsetek pacjentów leczonych lekiem Z. 17
18 Typy rozkładów, rodzaje zmiennych i skal pomiarowych Typy rozkładów I. Skale jakościowe (niemierzalne, qualitative) Skala nominalna Dwie lub więcej kategorii między którymi występuje tylko relacja równości/różności. Np. płeć, palenie papierosów (tak/nie) Skala porządkowa (rangowa) Istnieje możliwość uporządkowania (rosnąco) wyników na skali pod względem natężenia badanej cechy, np. wykształcenie (podstawowe, zawodowe, średnie, wyższe); skala IQ II. Skale ilościowe (mierzalne, quantitative) Skala przedziałowa Skala ilościowa, nie można jednak wykonywać na niej dzielenia. Typowy przykład : skala Celsjusza. Skala ilorazowa Posiada naturalny punkt zerowy. Można na tej skali wykonywać wszystkie operacje matematyczne. np. wiek, dochody, waga 18
19 Miary i testy statystyczne a skale pomiarowe Skale jakościowe Skale ilościowe Skala nominalna Skala porządkowa Skala przedziałowa lub ilorazowa Miary położenia (przeciętne) Modalna (dominanta) Mediana Kwartyle Średnia arytmetyczna Miary dyspersji Miary informacyjne Rozstęp ćwiartkowy Rozstęp Miary współzależności Testy statystyczne Miary: Pearsona V - Cramera Testy nieparametryczne, m.in.: Test niezależności chi-kwadrat Współczynniki korelacji: Tau - Kendalla r Spearmana Testy nieparametryczne m.in.: U Mann Whitney a Kolmogorova-Smirnova Test Kruskal Wallis (nonparametric ANOVA) Źródło: Walesiak M. Metody analizy danych marketingowych. PWN Warszawa 1996 Odchylenie standardowe Odchylenie przeciętne Współczynnik zmienności Współczynnik korelacji Pearsona (rxy) Współczynnik determinacji Testy parametryczne, m.in.: t-studenta ANOVA Testy współczynnika regresji Test współczynnika korelacji Analiza modelu regresji Testy na równość dwóch lub więcej frakcji 19
20 Miary klasyczne Poziom przeciętny Średnia arytmetyczna (mean; X ) Mediana (median; Me) Dominanta (Mode; D, Mo) Kwartyle (Q1 i Q3 lub Q0.25 i Q0.75) Miary zmienności 2 Wariancja (Variance; S ) Odchylenie standardowe (Standard deviation; S lub SD) Błąd standardowy (SE) Współczynnik zmienności (Mean standard error; Vx lub MSE) Miary Asymetrii Współczynnik asymetrii/skośności (skewness; As) Rozstęp (Range; R) Typowy obszar zmienności Xtyp = średnia+/- SD 20
21 Typy rozkładów, rodzaje zmiennych i skal pomiarowych Zadania Zadanie 5. Bazując na przykładowym CRF przygotuj schemat bazy danych dla prostego badania obserwacyjnego pacjentów cierpiących na niedokrwistość. Endpoint badania to poziom Hb (poprawa poziomu hemoglobiny w wyniku zastosowania leku x ). Badanie zakłada podanie leku w trzech cyklach (pomiary i kontrola pomiędzy cyklami są umownie nazwane wizytami). Pacjenci pierwotnie cierpią na 4 choroby : umownie zdefiniowano choroba A, B, C oraz D. 21
22 Uruchomienie dodatku Analiza Danych Narzędzia / Dodatki / Analysis Toolpack Po uruchomieniu tego dodatku w Menu NARZĘDZIA pojawia się opcja Analiza Danych Statystyki opisowe można również generować poprzez: Wstaw / Funkcje /Statystyczne 22
23 Zadanie 6a. Zadania Bazując na danych dotyczących wieku pacjentów wyznacz podstawowe statystyki opisowe. (korzystając z funkcji statystycznych) Zadanie 6b. Bazując na danych dotyczących wieku pacjentów zbadaj poziom przeciętny, zróżnicowanie oraz asymetrię. Wyznacz typowy obszar zmienności. (korzystając z dodatku Analiza Danych) Zadanie 6c. Bazując na danych dotyczących wieku pacjentów zbadaj poziom przeciętny, zróżnicowanie oraz asymetrię osobno dla grupy kobiet i mężczyzn. Zadanie 7. Bazując na danych dotyczących ciśnienia krwi (skurczowego) zbadaj poziom przeciętny, zróżnicowanie oraz asymetrię. Wyznacz typowy obszar zmienności. Sprawdź czy występują obserwacje odstające 23
24 Tworzenie bazy danych Outliers Obserwacje odstające np. błąd wprowadzania danych do postaci elektronicznej (np. zdefiniowanie wieku 150 lat). Stanowią poważny problem w analizie danych. Występowanie skrajnych Outliersów może mieć bardzo poważne znaczenie w wynikach badań. Zwykle zatem w planach SAP (Statistical Analysis Plan) uwzględnia się metody identyfikacji obserwacji odstających. Najprostszą metodą analizy obserwacji odstających (Outliers analysis) jest zastosowanie reguły trzech sigm: średnia +/- 3*SD 24
25 Tworzenie bazy danych Metoda detekcji outliersów na podstawie kwartyli. Dane są następujące miary pozycyjne rozkładu: K1-1 kwartyl K3-3 kwartyl IQR - rozrzut międzykwartylny (interquartile range) Linie kontrolne: LIF - dolny brzeg (kres) tzw. "wewnętrznego przedziału" (lower inner fence) UIF - góny brzeg (kres) wewnętrznego przedziału (upper inner fence) LOF - dolny brzeg zewnętrznego przedziału (lower outter fence) UOF - górny brzeg zewnętrznego przedziału (upper outter fence) Zdefiniowane jako: IQR := K3 K1 LIF := K1-1.5*IQR UIF := K *IQR LOF := K1-3*IQR UOF := K3 + 3*IQR 25
26 Tworzenie bazy danych IQR := K1 - K3 LIF := K1-1.5*IQR UIF := K *IQR LOF := K1-3*IQR UOF := K3 + 3*IQR Mając tak zdefiniowane przedziały, sortuje się posiadane dane i sprawdza, w jakich przedziałach mieści się każdy z punktów danych lub buduje się linie kontrolne. punkt mieści się w wewnętrznym przedziale nie jest obserwacja odstającą punkt mieści się w zewnętrznym przedziale - jest "słabym" outlierem punkt znajduje się na zewnątrz zewnętrznego przedziału - jest tzw. "silnym" outlierem 26
27 Tworzenie bazy danych Są 3 grupy/teorie: Usuwanie outliersów 1) USUWAĆ, jeśli procent outlierów jest dostateczni niski. CO TO ZNACZY NISKI!? Subiektywne pojęcie - zależy od analityka. Zwykle jeśli obserwacje odstające stanowią niski odsetek próby : 3-5%, to można je usuwać 2) NIE USUWAĆ, jeśli ktoś podał taką daną, to znaczy, że miała ona miejsce i jest ważna. Często nie ma możliwości weryfikacji pomiaru 3) USUWAĆ TYLKO PO SZCZEGÓŁOWEJ ANALIZIE, ale tylko po szczegółowej analizie przypadku. Jeśli lekarz uzna, że można dany element usunąć z próby, to należy go usunąć. Konieczna uprzednia analiza medyczna danego przypadku (pacjenta) 27
28 Tworzenie bazy danych Zadania Zadanie 8. Bazując na danych dotyczących ciśnienia krwi (skurczowego) zbadaj poziom przeciętny, zróżnicowanie oraz asymetrię. Wyznacz typowy obszar zmienności. Sprawdź czy występują obserwacje odstające Zadanie 9. Bazując na danych z zadania 7 zbadaj występowanie Outliersów za pomocą kwartyli. 28
29 Graficzna prezentacja danych Zadania Zadanie 10a. Bazując na danych dotyczących wieku pacjentów wyznacz wykres słupkowy dla średniej wieku kobiet i mężczyzn wraz z oznaczeniem na wykresie słupków błędów: jako +/-SD Jako +/- SE Zadanie 10b. Bazując na danych dotyczących wieku pacjentów wyznacz wykres słupkowy dla mediany wieku kobiet i mężczyzn wraz z oznaczeniem na wykresie kwartyli Q1 oraz Q3. Zadanie 11. Korzystając z danych pomiarów poziomu Hb dla jednego pacjenta w arkuszu wyznacz wykres zmian (liniowy) dla tego szeregu pomiarów. Korzystając z opcji wygładzania szeregu (Analiza Danych/średnia ruchoma) przedstaw szereg z wygładzeniem średniej 3 elementowej. 29
30 Rozkład normalny Rozkład normalny (Normal distribution) - Zwany też rozkładem Gaussa, jest jednym z najważniejszych rozkładów prawdopodobieństwa. Odgrywa ważną rolę w statystycznym opisie zagadnień przyrodniczych, przemysłowych, medycznych, socjalnych. Podstawowe parametry tego rozkładu to wartość oczekiwana (średnia) oraz wariancja (lub odchylenie standardowe rozkładu). 30
31 Rozkład normalny Rozkład normalny jest częstym założeniem teoretycznym. W praktyce jednak (w świecie rzeczywistym) nie występuje. Rozkład wielu cech jest często bardzo zbliżony do normalnego, stąd zwykle zakłada się, że zmienna ma rozkład normalny. Nie należy jednak robić tego bez sprawdzenia jak wielkie są rozbieżności. Rozkłady dalekie od normalnego (np. z elementami odstającymi - Outliers) mogą sprawić, że wyniki metod statystycznych będą mylnie interpretowane. Przykład: regresja liniowa lub korelacja Pearsona, które choć zdefiniowane dla dowolnych rozkładów, mają sensowną interpretację tylko dla wielowymiarowego rozkładu normalnego wektora próbki. Jeśli w próbce występują elementy odstające (co jest szczególnym przypadkiem rozkładu dalekiego od normalnego), korelacja może przyjąć dowolną wartość między -1 a +1, bez względu na rzeczywistą zależność między zmiennymi losowymi. Także regresja będzie dawała błędne (mylne) rezultaty. Źródło: Wikipedia.org 31
32 Rozkład normalny Najbardziej popularne testy sprawdzające zgodność z rozkładem normalnym: Test chi-kwadrat Test Kolmogorova-Smirnova Test Jarque a Bera metoda graficzna : histogram rozkładu zmiennych. 32
33 Rozkład normalny Zadania Zadanie 12. Na podstawie danych ciśnienia skurczowego wyznacz histogram i oceń wzrokowo dopasowanie do rozkładu normalnego Zadanie 13. Na podstawie danych wieku pacjentów wyznacz histogram i oceń wzrokowo dopasowanie wieku do rozkładu normalnego 33
34 Hipotezy statystyczne Estymator Wielkość (statystyka) wyznaczona na podstawie próby losowej, przybliża rzeczywistą wartość parametru w populacji Błąd szacunku parametru Różnica pomiędzy rzeczywistą wartością parametru (w populacji) a jego oceną (czyli estymatorem) Estymacja punktowa a estymacja przedziałowa Estymacja przedziałowa polega na konstrukcji przedziału liczbowego, który z określonym z góry prawdopodobieństwem (poziomem ufności) będzie zawierał nieznaną rzeczywistą wartość szacowanego parametru. Hipotezy statystyczne Jest to każde przypuszczenie dotyczące populacji generalnej wydane bez przeprowadzenia badania pełnego; Hipoteza zerowa (Ho) hipoteza którą sprawdzamy Hipoteza alternatywna (H1) hipoteza którą przyjmujemy w przypadku odrzucenia Ho 34
35 Hipotezy statystyczne Kierunkowe i bezkierunkowe hipotezy statystyczne Hipotezy bezkierunkowe Ho : m = 12 H1 : m 12 Hipotezy kierunkowe Ho : m = 12 H 1 lub H 1 : m > 12 : m < 12 Test statystyczny oparta na próbie i rachunku prawdopodobieństwa procedura służąca do zweryfikowania hipotezy Ho. Podjęta na podstawie testu (próby losowej) decyzja obarczona jest zawsze pewnym błędem. Błąd pierwszego rodzaju (błąd I rodzaju): odrzucenie sprawdzanej hipotezy gdy jest ona prawdziwa Błąd drugiego rodzaju (błąd II rodzaju): przyjęcie sprawdzanej hipotezy gdy jest ona fałszywa 35
36 Hipotezy statystyczne Test istotności test, który bierze pod uwagę prawdopodobieństwo I rodzaju. Prawdopodobieństwo popełnienia tego błędu to poziom istotności (α) oznaczany również jako: p-value Sig. Etapy budowy testu istotności 1. Określenie hipotezy zerowej (H 0 ) i alternatywnej (H 1 ); 2. Przyjęcie poziomu istotności α; 3. Wylosowanie n elementowej próby prostej; 4. Wybór obszaru krytycznego, zależnego od hipotezy alternatywnej H 1 ; 5. Obliczenie z wyników próby wartości testowej i sprawdzenie, czy wpada ona do obszaru krytycznego UWAGA!! W testach statystycznych uzyskanie p-value > α oznacza, że należy przyjąć hipotezę zerową H 0. W przeciwnym przypadku: p-value =< α oznacza konieczność odrzucenia hipotezy zerowej i przyjęcia hipotezy H 1 36
37 Testy parametryczne Hipotezy statystyczne Są to testy dotyczące parametrów mierzonych na skalach mocnych Testy nieparametryczne Są to testy dotyczące parametrów mierzonych na skalach słabych (jakościowych): skali nominalnej i porządkowej Przedziały ufności Dotyczą estymacji przedziałowej. Polega ona na konstrukcji przedziału liczbowego, który z określonym z góry prawdopodobieństwem (poziomem ufności 1-α) będzie zawierał nieznaną rzeczywistą wartość szacowanego parametru. 95%CI dla średniej (95% Confidence interval for mean) Oznacza 95% przedział ufności dla średniej w populacji. Wynikiem są dwie liczby <A; B>,. Wynik oznacza, że z prawdopodobieństwem 95% przedział o końcach A i B pokrywa prawdziwą nieznaną średnią wartość parametru w populacji. Wartość 95%CI jest zwykle wyznaczana dla zmiennych (parametrów) mierzonych na skalach mocnych( tzw. ilościowych). 37
38 Parametryczne testy istotności Przedział ufności dla wartości oczekiwanej (średniej) w populacji: x ± t α 2 s n Przedział ufności dla wariancji (odchylenia standardowego) w populacji: ( n 1) s Χ 2 α 2 2 < σ 2 < ( n 1) s 2 Χ1 α 2 2 Przedział ufności dla frakcji (proporcji, odsetka) w populacji: p ± z α 2 p(1 p) n 38
39 Zadanie 14a. Zadania Na podstawie danych dot. wieku oszacuj przedział ufności dla średniej wieku przyjmując poziom ufności 95%. Zadanie 14b. Parametryczne testy istotności Na podstawie danych dotyczących ciśnienia oszacuj przedział ufności dla średniej wieku przyjmując poziom ufności 95%. W Excel oszacowanie przedziałowe średniej jest możliwe na dwa sposoby: Korzystając z Analiza Danych / Statystyki opisowe Korzystając z funkcji statystycznej Ufność 39
40 Parametryczne testy istotności Test istotności dla średniej (wartości oczekiwanej) Ho: m = mo H1: m mo lub hipotezy kierunkowe: H1: m > mo v H1: m < mo Problem badawczy: czy na podstawie danych z próby n elementowej można twierdzić, że średnia badanej cechy istotnie różni się od wielkości mo W MsExcel jest to funkcja wstaw/ funkcje/ statystyczne/ TEST.Z 40
41 Parametryczne testy istotności Zadania Zadanie 15. Zdefiniuj i zweryfikuj odpowiednie hipotezy. Wersja I: Przyjmij poziom istotności α=0,05. Na podstawie próby pacjentów sprawdź czy można twierdzić, że średnia wieku różni się istotnie od 22 Na podstawie próby pacjentów sprawdź czy można twierdzić, że średnia wieku jest istotnie wyższa od 20 Na podstawie próby pacjentów sprawdź czy można twierdzić, że średnia wieku jest istotnie niższa od 35 Wersja II: Dla tych samych pytań badawczych przyjmij poziom istotności α=0,01 i zweryfikuj ponownie 41
42 Parametryczne testy istotności Test istotności dla wariancji (odchylenia standardowego) H o : σ 2 = σ o 2 H 1 : σ 2 > σ o 2 lub H 1 : σ 2 < σ 0 2 Problem badawczy: czy na podstawie danych z próby n elementowej można twierdzić, że zróżnicowanie jest niższe niż SD= 25 (odchylenie jest niższe od 25 ). Inaczej zdefiniowany problem: czy można przyjąć, że odchylenie wynosi 25 (σ o2 =25 2 ) 42
43 Parametryczne testy istotności Zadania Zadanie 16. Zdefiniuj i zweryfikuj odpowiednie hipotezy. Wersja I: Przyjmij poziom istotności α=0,05. Na podstawie próby pacjentów sprawdź czy można przyjąć, że wariancja jest równa 625 Na podstawie próby pacjentów sprawdźczy można twierdzić, że odchylenie standardowe wieku w populacji jest niższe niż 20 Wersja II: Dla tych samych pytań badawczych przyjmij poziom istotności α=0,01 i zweryfikuj ponownie 43
44 Parametryczne testy istotności Test istotności dla odsetka (frakcji, proporcji) H o : p = p 0 H1: p p 0 lub hipotezy kierunkowe: H1: p > p 0 v H1: p < p 0 Problem badawczy: czy na podstawie danych z próby n elementowej można twierdzić, że odsetek pacjentów spełniających pewien warunek wynosi p (lub p*100%). 44
45 Parametryczne testy istotności Zadania Zadanie 17. Zdefiniuj i zweryfikuj odpowiednie hipotezy. Wersja I: Przyjmij poziom istotności α=0,05. Na podstawie próby pacjentów sprawdź czy można przyjąć, że odsetek kobiet w populacji jest równy 40%? Na podstawie próby pacjentów sprawdź czy można twierdzić, że odsetek mężczyzn (pacjentów) jest w populacji wyższy niż 35%? Wersja II: Dla tych samych pytań badawczych przyjmij poziom istotności α=0,01 i zweryfikuj ponownie 45
46 Parametryczne testy istotności Test istotności weryfikujący hipotezę o równości dwóch odsetków (two proportion) H o : p 1 = p 2 H1: p 1 p 2 lub hipotezy kierunkowe: H1: p 1 > p 2 v H1: p 1 < p 2 46
47 Parametryczne testy istotności Zadania Zadanie 18. Zdefiniuj i zweryfikuj odpowiednie hipotezy. Wersja I: Przyjmij poziom istotności α=0,05. Na podstawie próby pacjentów czy można przyjąć, że odsetek kobiet i mężczyzn w równym stopniu stosowało wcześniej leki grupy X? Wersja II: Dla tych samych pytań badawczych przyjmij poziom istotności α=0,01 i zweryfikuj ponownie 47
48 Parametryczne testy istotności Test istotności weryfikujący hipotezę o równości dwóch wariancji (wariancji z dwóch prób) H o : σ 12 = σ 2 2 H 1 : σ 12 σ 2 2 Problem badawczy, przykład: czy zróżnicowanie cechy X w grupie 1 i 2 jest zbliżone? 48
49 Parametryczne testy istotności Zadania Zadanie 19. Zdefiniuj i zweryfikuj odpowiednie hipotezy. Wersja I: Przyjmij poziom istotności α=0,05. Na podstawie próby pacjentów czy można przyjąć, że wariancja poziomu Hb na wizycie wprowadzającej wśród kobiet i mężczyzn jest zbliżona? Wskazówka: zastosuj test F z dwiema próbami dla wariancji (dodatek Analizy Danych) Lub funkcje statystyczne test.f Wersja II: Dla tych samych pytań badawczych przyjmij poziom istotności α=0,01 i zweryfikuj ponownie. 49
50 Zadanie 20. Zadania dodatkowe Dysponujemy danymi: Szereg pomiarów cholesterolu oparty na próbie n=90 pacjentów (mg/dl) Pytania badawcze: a) Wyznacz statystyki opisowe: oceń poziom przeciętny, zróżnicowanie, asymetrię rozkładu LDL, typowy obszar zmienności LDL w próbie. b) Na podstawie danych z próby wyznacz 95% przedział ufności dla średniego poziomu cholesterolu w populacji. c) Na podstawie danych z próby wyznacz 90% przedział ufności dla średniego poziomu cholesterolu w populacji. d) Czy można twierdzić, że średnia LDL jest wyższa niż 180? (na poziomie istotności 0,1) e) Czy można przyjąć, że średnia LDL kształtuje się na poziomie 220? (na poziomie istotności 0,1) f) Czy można twierdzić, że średnia LDL jest niższa od 260? (na poziomie istotności 0,01) g) Czy można przyjąć, że zróżnicowanie mierzone odchyleniem standardowym jest na poziomie równym 30? h) Czy można z prawdopodobieństwem 95% twierdzić, że średnie stężenie cholesterolu w populacji pacjentów wynosi 150? i) Czy można z prawdopodobieństwem 90% twierdzić, że średnie stężenie cholesterolu w populacji pacjentów jest wyższe od 160? j) Czy można z prawdopodobieństwem 90% twierdzić, że średnie stężenie cholesterolu w populacji pacjentów jest niższe od 240? k) Czy można z prawdopodobieństwem 99% twierdzić, że odsetek pacjentów z LDL powyżej 200 jest wyższy niż 50%? 50
51 Zadanie 21. Zadania dodatkowe Dysponujemy danymi: Szereg pomiarów cholesterolu oparty na próbie n=200 pacjentów (mg/dl) Pytania badawcze: a) Wyznacz statystyki opisowe: oceń poziom przeciętny, zróżnicowanie, asymetrię rozkładu LDL, typowy obszar zmienności LDL w próbie. b) Na podstawie danych z próby wyznacz 95% przedział ufności dla średniego poziomu cholesterolu w populacji. c) Na podstawie danych z próby wyznacz 90% przedział ufności dla średniego poziomu cholesterolu w populacji. d) Czy można twierdzić, że średnia LDL jest wyższa niż 180? (na poziomie istotności 0,1) e) Czy można przyjąć, że średnia LDL kształtuje się na poziomie 220? (na poziomie istotności 0,1) f) Czy można twierdzić, że średnia LDL jest niższa od 260? (na poziomie istotności 0,01) g) Czy można przyjąć, że zróżnicowanie mierzone odchyleniem standardowym jest na poziomie równym 30? h) Czy można z prawdopodobieństwem 95% twierdzić, że średnie stężenie cholesterolu w populacji pacjentów wynosi 150? i) Czy można z prawdopodobieństwem 90% twierdzić, że średnie stężenie cholesterolu w populacji pacjentów jest wyższe od 160? j) Czy można z prawdopodobieństwem 90% twierdzić, że średnie stężenie cholesterolu w populacji pacjentów jest niższe od 240? k) Czy można z prawdopodobieństwem 99% twierdzić, że odsetek pacjentów z LDL powyżej 200 jest wyższy niż 50%? 51
W1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoPodstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na
Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony zbiór jednostek, które
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Bardziej szczegółowoElementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej
Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład I, 22.02.2016 STATYSTYKA OPISOWA, cz. I Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: strona z materiałami z przedmiotu: wne.uw.edu.pl/azylicz akson.sgh.waw.pl/~aborata
Bardziej szczegółowozbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne)
STATYSTYKA zbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne) DANYCH STATYSTYKA MATEMATYCZNA analiza i interpretacja danych przy wykorzystaniu metod
Bardziej szczegółowoPrzedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii
SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowoZadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
Bardziej szczegółowoZad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Bardziej szczegółowoImportowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22
Spis treści Przedmowa do wydania pierwszego.... 11 Przedmowa do wydania drugiego.... 15 Wykaz symboli.... 17 Litery alfabetu greckiego wykorzystywane w podręczniku.... 17 Symbole wykorzystywane w zagadnieniach
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoWykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy
Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy
Bardziej szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2
STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoPróba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Bardziej szczegółowoPodstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak
Podstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak Autor prezentuje spójny obraz najczęściej stosowanych metod statystycznych, dodatkowo omawiając takie
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoBłędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
Bardziej szczegółowoWstęp do probabilistyki i statystyki. Wykład 4. Statystyki i estymacja parametrów
Wstęp do probabilistyki i statystyki Wykład 4. Statystyki i estymacja parametrów dr hab.inż. Katarzyna Zakrzewska, prof.agh, Katedra Elektroniki, WIET AGH Wstęp do probabilistyki i statystyki. Wykład 4
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowo), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0
Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy
Bardziej szczegółowoIV WYKŁAD STATYSTYKA. 26/03/2014 B8 sala 0.10B Godz. 15:15
IV WYKŁAD STATYSTYKA 26/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 4 Populacja generalna, próba, losowanie próby, estymatory Statystyka (populacja generalna, populacja próbna, próbka mała, próbka duża, reprezentatywność,
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowoWykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA
Wykład 4: Wnioskowanie statystyczne Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Idea wnioskowania statystycznego Celem analizy statystycznej nie jest zwykle tylko
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Bardziej szczegółowo1. szereg wyliczający (szczegółowy) - wyniki są uporządkowane wyłącznie według wartości badanej cechy, np. od najmniejszej do największej
1 Statystyka opisowa Statystyka opisowa zajmuje się porządkowaniem danych i wstępnym ich opracowaniem. Szereg statystyczny - to zbiór wyników obserwacji jednostek według pewnej cechy 1. szereg wyliczający
Bardziej szczegółowoStatystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.
Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde
Bardziej szczegółowoStatystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl
Statystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych
Bardziej szczegółowoGraficzna prezentacja danych statystycznych
Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych Katowice, 12 i 26 czerwca 2014 r. Dopasowanie narzędzia do typu zmiennej Dobór narzędzia do
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
Bardziej szczegółowoSTATYSTYKA INDUKCYJNA. O sondażach i nie tylko
STATYSTYKA INDUKCYJNA O sondażach i nie tylko DWA DZIAŁY ESTYMACJA Co na podstawie wyników z próby mogę powiedzieć o wynikach w populacji? WERYFIKACJA HIPOTEZ Czy moje przypuszczenia uczynione przed badaniami
Bardziej szczegółowoRÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoWYKŁAD 5 TEORIA ESTYMACJI II
WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak
Bardziej szczegółowoPodstawowe pojęcia statystyczne
Podstawowe pojęcia statystyczne Istnieją trzy rodzaje kłamstwa: przepowiadanie pogody, statystyka i komunikat dyplomatyczny Jean Rigaux Co to jest statystyka? Nauka o metodach ilościowych badania zjawisk
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowo12/30/2018. Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie. Estymacja Testowanie hipotez
Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie Wyznaczanie przedziału 95%CI oznaczającego, że dla 95% prób losowych następujące nierówności są prawdziwe: X t s 0.025 n < μ < X + t s
Bardziej szczegółowoStatystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, Spis treści
Statystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, 2018 Spis treści Przedmowa 13 O Autorach 15 Przedmowa od Tłumacza 17 1. Wprowadzenie i statystyka opisowa 19 1.1.
Bardziej szczegółowoLABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej
LABORATORIUM 3 Przygotowanie pliku (nazwy zmiennych, export plików.xlsx, selekcja przypadków); Graficzna prezentacja danych: Histogramy (skategoryzowane) i 3-wymiarowe; Wykresy ramka wąsy; Wykresy powierzchniowe;
Bardziej szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoPlan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii
Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych
STATYSTYKA MATEMATYCZNA WYKŁAD 3 Populacje i próby danych POPULACJA I PRÓBA DANYCH POPULACJA population Obserwacje dla wszystkich osobników danego gatunku / rasy PRÓBA DANYCH sample Obserwacje dotyczące
Bardziej szczegółowoZałożenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW
Założenia do analizy wariancji dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW anna_rajfura@sggw.pl Zagadnienia 1. Normalność rozkładu cechy Testy: chi-kwadrat zgodności, Shapiro-Wilka, Kołmogorowa-Smirnowa
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Bardziej szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoĆWICZENIE 11 NIEPARAMETRYCZNE TESTY ISTOTNOŚCI
ĆWICZENIE 11 NIEPARAMETRYCZNE TESTY ISTOTNOŚCI ANALIZA KORELACJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoWnioskowanie statystyczne i weryfikacja hipotez statystycznych
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich
Bardziej szczegółowoHipotezy statystyczne
Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o którego prawdziwości lub fałszywości wnioskuje się na podstawie pobranej próbki losowej. Hipotezy
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoStatystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA
Statystyka opisowa PRZEDMIOT: PODSTAWY STATYSTYKI PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa = procedury statystyczne stosowane do opisu właściwości próby (rzadziej populacji) Pojęcia:
Bardziej szczegółowoGrupowanie materiału statystycznego
Grupowanie materiału statystycznego Materiał liczbowy, otrzymany w wyniku przeprowadzonej obserwacji statystycznej lub pomiaru, należy odpowiednio usystematyzować i pogrupować. Doskonale nadają się do
Bardziej szczegółowoKorelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego
Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Współczynnik korelacji opisuje siłę i kierunek związku. Jest miarą symetryczną. Im wyższa korelacja tym lepiej potrafimy
Bardziej szczegółowoSpis treści. Laboratorium III: Testy statystyczne. Inżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych
1 Laboratorium III: Testy statystyczne Spis treści Laboratorium III: Testy statystyczne... 1 Wiadomości ogólne... 2 1. Krótkie przypomnienie wiadomości na temat testów statystycznych... 2 1.1. Weryfikacja
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
Bardziej szczegółowoStatystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28
Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych
Bardziej szczegółowoWERYFIKACJA HIPOTEZ STATYSTYCZNYCH
WERYFIKACJA HIPOTEZ STATYSTYCZNYCH I. TESTY PARAMETRYCZNE II. III. WERYFIKACJA HIPOTEZ O WARTOŚCIACH ŚREDNICH DWÓCH POPULACJI TESTY ZGODNOŚCI Rozwiązania zadań wykonywanych w Statistice przedstaw w pliku
Bardziej szczegółowoStatystyka. Tematyka wykładów. Przykładowe pytania. dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl. wersja 20.01.2013/13:40
Statystyka dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl wersja 20.01.2013/13:40 Tematyka wykładów 1. Definicja statystyki 2. Populacja, próba 3. Skale pomiarowe 4. Miary położenia (klasyczne i pozycyjne)
Bardziej szczegółowoMetody doboru próby do badań. Dr Kalina Grzesiuk
Metody doboru próby do badań Dr Kalina Grzesiuk Proces doboru próby 1. Ustalenie populacji badanej 2. Ustalenie wykazu populacji badanej 3. Ustalenie liczebności próby 4. Wybór metody doboru próby do badań
Bardziej szczegółowoρ siła związku korelacyjnego brak słaba średnia silna bardzo silna
Ćwiczenie 4 ANALIZA KORELACJI, BADANIE NIEZALEŻNOŚCI Analiza korelacji jest działem statystyki zajmującym się badaniem zależności pomiędzy rozkładami dwu lub więcej badanych cech w populacji generalnej.
Bardziej szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoSTATYSTYKA IV SEMESTR ALK (PwZ) STATYSTYKA OPISOWA RODZAJE CECH W POPULACJACH I SKALE POMIAROWE
STATYSTYKA IV SEMESTR ALK (PwZ) STATYSTYKA OPISOWA RODZAJE CECH W POPULACJACH I SKALE POMIAROWE CECHY mogą być: jakościowe nieuporządkowane - skala nominalna płeć, rasa, kolor oczu, narodowość, marka samochodu,
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41
Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna
Bardziej szczegółowo1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:
Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,
Bardziej szczegółowoZJAZD 4. gdzie E(x) jest wartością oczekiwaną x
ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych
Bardziej szczegółowolaboratoria 24 zaliczenie z oceną
Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Niestacjonarne
Bardziej szczegółowoSTATYSTYKA POWTORZENIE. Dr Wioleta Drobik-Czwarno
STATYSTYKA POWTORZENIE Dr Wioleta Drobik-Czwarno Populacja Próba Parametry EX, µ Statystyki średnia D 2 X, δ 2 S 2 wnioskowanie DX, δ p ρ S w r...... JAK POWSTAJE MODEL MATEMATYCZNY Dane eksperymentalne
Bardziej szczegółowoHipotezy statystyczne
Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o którego prawdziwości lub fałszywości wnioskuje się na podstawie pobranej
Bardziej szczegółowoĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI
ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności współczynnika korelacji
Bardziej szczegółowoVI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja) założenie: znany rozkład populacji (wykorzystuje się dystrybuantę)
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański
KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół
Bardziej szczegółowoMETODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II
METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II Podział zmiennych Zmienne zależne zmienne, które są przedmiotem badania, których związki z innymi zmiennymi chcemy określić Zmienne
Bardziej szczegółowo-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak
Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną. laboratoria 30 zaliczenie z oceną
Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Stacjonarne
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowo